LONDRES E KIEV — A inteligência artificial ampliou a quantidade e a velocidade dos ataques na guerra da Ucrânia, mas não deu a nenhum dos lados uma vantagem decisiva. O intervalo entre identificar e atingir um alvo caiu de 20 minutos, no início do conflito, para segundos atualmente.
Tecnologia no campo de batalha
O uso militar da IA inclui a análise de dados, a priorização de alvos e a manutenção da rota de drones mesmo quando há interferência no sinal. Sistemas como o Delta, da Ucrânia, e o Maven, dos Estados Unidos, organizam imagens de satélites, drones e sensores para transformá-las em informação operacional.
Um funcionário de inteligência dos EUA afirmou que o Maven elevou o número de alvos atingíveis por dia de menos de 100 para 1.000. Com modelos de linguagem, esse total chegou a 5.000. A tecnologia também permite que comandantes façam previsões sobre o campo de batalha, incluindo o consumo de munições e a sustentabilidade de uma campanha.
O Saker Scout, desenvolvido pela empresa ucraniana Twist Robotics, é um exemplo de aplicação autônoma. Seu software reconhece 47 categorias de equipamento militar e atribui níveis de confiança aos alvos. O operador define previamente as prioridades, o limiar de confiança e uma área em que tudo é tratado como alvo. Dentro desse espaço, o drone pode procurar, identificar e atacar sem receber um novo comando.
O sistema, porém, não distingue forças ucranianas de russas. Ele presume que todo equipamento militar encontrado na área pertence ao inimigo. Rostyslav Olenchyn, da Twist Robotics, afirmou que não pode haver civis nem integrantes da própria força na região e que o equipamento é usado apenas em situações específicas.
A navegação autônoma também permite que drones se ajustem ao vento e travem em alvos que se movem a até 300 km/h. Kateryna Bondar, do Center for Strategic and International Studies, disse que esse recurso reduz a necessidade de treinamento de pilotos e pode triplicar ou quadruplicar a taxa de sucesso dos ataques. A orientação terminal é especialmente importante quando o contato com o operador se perde, algo comum a 100 ou 200 metros do alvo.
Escala e limites operacionais
Ataques totalmente guiados por IA ainda são raros. Oleksii Babenko, fundador da Vyriy Drone, estima que representem cerca de 2% dos drones. A Ucrânia afirma que esse tipo de ataque aumentou dez vezes desde 2026. Segundo Babenko, mesmo essa proporção corresponde a uma quantidade expressiva quando aplicada a cinco milhões de drones.
A Rússia ampliou o uso de drones Shahed equipados com IA. Em julho, um ataque autônomo contra um posto de gasolina matou três pessoas, na primeira morte atribuída a um drone russo autodirigido na Ucrânia. Shaheds com mira por IA também atacaram navios ucranianos no Mar Negro.
Outra frente é o enxameamento, no qual as máquinas distribuem tarefas entre si. Pequenos grupos já atuam de forma coordenada, embora enxames autônomos em larga escala ainda sejam majoritariamente experimentais. Eles podem dividir alvos para sobrecarregar uma defesa ou combinar drones e robôs terrestres em operações de resgate.
Lorenz Meier, CEO da Auterion, afirmou que países da Otan precisarão depender desse tipo de sistema por não terem pilotos suficientes. Na Ucrânia, Danylo Tsvok, responsável por um novo centro militar, considera a possibilidade de comandantes receberem planos de batalha gerados por IA a partir de instruções simples.
Mesmo com a aceleração no nível tático, o ritmo da campanha permanece limitado. Olivier Schmitt, do Royal Danish Defence College, apontou uma diferença entre a rápida transformação das operações específicas e a dificuldade de romper as linhas de combate. No confronto entre Estados Unidos e Irã, a identificação eficiente de alvos não levou ao colapso do sistema militar iraniano.
Responsabilidade e erros
A identificação autônoma de soldados continua difícil em posições misturadas e sob camuflagem. Roupas parecidas com uniformes, veículos, armas, movimentos e mudanças na iluminação podem levar os sistemas a confundir alvos militares e civis.
A velocidade também cria um problema para os operadores. Um ex-funcionário da Palantir, empresa que construiu o Maven, descreveu situações em que o computador apresenta uma lista de 1.000 alvos e o analista humano, pressionado pelo tempo, se torna o ponto de estrangulamento da decisão. Dados incompletos, desatualizados ou mal identificados elevam o risco de falhas.
No Irã, sistemas de IA ajudaram os Estados Unidos a atingir 13.000 alvos em 38 dias. Entre eles estava uma escola feminina, onde mais de 150 pessoas morreram, incluindo 120 crianças. O edifício fazia parte de um complexo militar, mas havia uma entrada separada; autoridades locais afirmaram que um muro foi construído por volta de 2016, quando a escola foi criada.
O episódio foi citado como exemplo do risco de sistemas baseados em correlações estatísticas. Se os dados usados estiverem errados ou desatualizados, o resultado pode ser catastrófico. Na campanha de bombardeios de Israel em Gaza, oficiais teriam tido entre 15 e 20 segundos para avaliar se um alvo era legítimo.
O Departamento de Estado dos EUA defende que sistemas autônomos sejam transparentes e auditáveis pelo pessoal de defesa. A Palantir afirma que suas ferramentas permitem recuperar os dados e documentos que levaram a uma sugestão. Especialistas, porém, questionam se é possível reconstruir como os modelos chegaram a uma decisão.
A Anthropic considera que os modelos mais avançados ainda não são confiáveis o suficiente para selecionar e atacar alvos de forma autônoma. Enquanto isso, um relatório da empresa registrou o uso do Claude por atores não estatais para desenvolver armas, incluindo um enxame de drones projetado para detonar sem supervisão contra alvos humanos. A discussão, portanto, envolve não apenas a disposição de forças militares para incorporar IA à cadeia de ataques, mas também a capacidade de governos e empresas de estabelecer limites para essa tecnologia.
